随机时滞Recurrent神经网络的指数稳定性

研究了随机时滞Recurrent神经网络的稳定性,利用Lyapunov函数和It公式,结合矩阵分析技巧,给出了系统均方指数稳定的充分条件,并由此推得随机时滞Hopfield神经网络和随机时滞细胞神经网络的稳定性条件.     

相干信号源的空间平滑法处理及其效果分析

介绍了相干信号DOA空间平滑技术处理的方法及其效果分析，并给出了处理非相干和相干信号源的仿真结果，实验结果证明了空间平滑技术能够去相干性，达到了对相干信号源的方向进行识别的目的。     

指数分布在第二类Stirling数中的应用

采用概率的方法,把第二类Stirling数S（n,k）表示成服从指数分布的随机变量的矩,利用该表示得到了第二类Stirling数S（n,k）的一些特殊值,推导出了第二类Stirling数S（n,k）满足的递推关系式,并得到了新的递推关系式.     

一类非经典反应扩散方程解的长时间行为*

对一类非经典反应扩散方程的指数吸引子的存在性进行了研究,当非线性项是临界指数增长的条件下,利用一种新的方法得到了相应的结果。     

铁路运输环境中超高斯随机振动信号模拟技术

铁路运输过程中的振动与冲击信号往往呈超高斯分布,为模拟生成这种超高斯信号,以傅里叶变换为基础,提出一种具有尖峰特征的超高斯随机信号生成方法。采用一种指数峰值模型用来模拟振动信号的超高斯特性,得到一个与实测信号具有相同均值、RMS、近似偏斜度和峭度的超高斯随机信号。此技术较好地模拟铁路运输环境中的振动与冲击信号,为实验室对车载设备以及运输货物的可靠性验证提供理论依据。     

�źŽ�������γ�ͷʱ��ֲ�����

了解信号交叉口下游车辆的车头时距分布特征是进行城市道路控制、通行能力计算、交通安全分析等的基础.利用NC200、MC5600对信号交叉口下游不同断面不同车道的车头时距进行调查.采用χ2检验法对信号交叉口下游车辆的车头时距分布进行拟合,得到高峰时段和平峰时段的不同断面、不同车道车头时距分布.研究结果表明:随着高峰时段向平峰时段过渡,以及车辆由交叉口向下游移动,车道的车头时距在移位负指数分布和M3分布之间进行过渡.     

基于DTW的车辆轴温监测方法

为了处理车辆轴温可能出现的跳变、缺失、噪声等异常数据,有效降低误报率,提出了基于动态时间规整算法的车辆轴温状态监测方法,将轴温历史监测数据和历史统计数据进行指数平滑预处理,在训练阶段将数据反复迭代得到不同轴温模式的参考样本,计算了实时轴温和参考样本各数据帧之间的欧氏距离,得到帧匹配距离矩阵,运用动态规划和回溯的思想,求出累积距离矩阵和动态规整路径,将动态规整距离作为2个时间序列相似度的量化指标,找出最小动态规整距离对应的轴温模式,从而得到状态监测结果。仿真结果表明:在MATLAB仿真中,输入1 000个时长为50~300min的轴温测试样本,其最大响应时间小于0.4s,共出现29次错误匹配,误报率低于3%。通过对测试样本和参考样本的各数据帧进行指数平滑处理,有效消除车辆轴温出现跳变的干扰,虽然跳变值和跳变点数量不同,但相对动态规整距离无变化,对状态监测结果无影响。可见,车辆轴温状态监测方法能够满足车辆轴温状态监测的实时性和准确度要求,减少了误报率。     

Optimization Parameter of Transformation of Parallel Translation for Ship Pitch Simulation

The transformation of parallel translation can improve the smoothness of discrete series sometimes. In this paper, for ship pitch, a method to modify the system error is proposed via the transformation of parallel translation, which can give the optimize parameters using the Method of Minimum Squares. The series in the method can fit white exponential law better, and then be applied in GM( 1,1) very well. The numerical experiments imply that the method is practical, which make the ship pitch system model more accurate than GM (1,1).     

An adaptive model for highway travel time prediction

Traffic congestion caused by either insufficient road capacity or unexpected events has been a major problem in urban transportation networks. To disseminate accurate traveler information and reduce congestion impact, it is desirable to develop an adaptive model to predict travel time. The proposed model is practically implementable to capture dynamic traffic patterns under various conditions, which integrates the features of exponential smoothing and the Kalman filter by utilizing both real‐time and historic data. The model is simple in formulation while robust in performance in terms of accuracy and stability. With a constraint or nonconstraint smoothing factor, the proposed model is tested with both real world and simulated data and demonstrated itself a sound model that outperforms others (e.g., Kalman filter and simple exponential smoothing) specifically under recurring and nonrecurring congestion. Copyright © 2012 John Wiley & Sons, Ltd.     

一种基于知识网络血缘关系的网页分类方法

网页内容分析及分类方法作为用户行为分析、兴趣识别、舆情分析等上层应用的底层核心技术逐渐成为学术界乃至工业界的热点。针对基于标签数据建立机器学习模型的传统网页分类算法已经无法适应移动互联网时代海量数据的迭代更新需求的问题,文中提出一种基于知识网络血缘关系的非监督页面分类方法。该方法以维基中文知识库作为知识网络,标定少量网络上层基础词汇和网络热词的类目体系,利用知识网络的传递性来遍历计算所有节点关键词的类目属性。文章根据中文知识网络特有的文本相似度提出血缘关系算法和相似度提权函数。实验表明这种方法能够有效地提高基于知识网络的中文分类效果。